KR101725651B1

KR101725651B1 - 식별 장치 및 식별 장치의 제어 방법

Info

Publication number: KR101725651B1
Application number: KR1020150116547A
Authority: KR
Inventors: 아츠시 이리에; 므츠키 타카기와
Original assignee: 오므론 가부시키가이샤
Priority date: 2014-09-05
Filing date: 2015-08-19
Publication date: 2017-04-10
Anticipated expiration: 2035-08-19
Also published as: JP2016057701A; US9691007B2; KR20160029655A; EP2993624A3; JP6361387B2; CN105404848A; US20160070987A1; EP2993624A2

Abstract

입력 데이터를 취득하는 데이터 취득 수단과, 상기 입력 데이터에 대응하는 특징량을 취득하는 특징량 취득 수단과, 입력된 특징량에 의거하여 클래스 분류를 행하는 복수의 식별기와, 상기 취득한 특징량을, 상기 복수의 식별기에 각각 입력하고, 얻어진 복수의 분류 결과에 의거하여, 단일한 분류 결과인 제2의 분류 결과를 생성하는 식별 수단과, 상기 복수의 분류 결과의 편차에 의거하여, 상기 제2의 분류 결과에 대한 신뢰도를 생성하는 신뢰도 생성 수단을 갖는다.

Description

식별 장치 및 식별 장치의 제어 방법{IDENTIFICATION APPARATUS AND METHOD FOR CONTROLLING IDENTIFICATION APPARATUS}

본 발명은, 식별 장치 및 식별 장치의 제어 방법에 관한 것이다.

근래, 화상을 해석함으로써, 당해 화상에 포함되어 있는 다양한 정보를 직접적 또는 간접적으로 식별하는 기술에 관한 연구가 진행되고 있다. 예를 들면, 인물의 얼굴이 포함되어 있는 화상(얼굴화상)에 의거하여, 그 인물의 성별, 연령, 표정 등을 식별할 수 있다.

예를 들면, 특허 문헌 1에는, 화상으로부터 특징량을 추출하고, 당해 특징량에 의거하여, 인물의 연령을 추정하는 연령 추정 장치가 개시되어 있다. 구체적으로는, 화상으로부터 취득한 특징량을, 연령에 의한 클래스 분류를 행하는 다(多)클래스 식별기에 입력하고, 당해 식별기의 출력에 의거하여 추정 연령을 결정하고, 출력한다.

특허 문헌 1 : 일본국 특허 제5287333호 공보

취득한 특징량에 의거하여 클래스 분류를 행하는 경우, 그 분류 정밀도는, 이용하는 식별기의 정밀도에 크게 의존한다. 그래서, 식별기의 출력에 의거하여, 분류 결과가 어느 정도 신뢰할 수 있는지 라는 값을 산출하는 수법이 알려져 있다. 예를 들면, 특허 문헌 1에 기재된 장치에서는, 식별기가 출력한 귀속(歸屬) 확률에 의거하여 신뢰도를 구하고, 당해 신뢰도에 의거하여, 연령의 오차(±n세)를 산출하고 있다.

특허 문헌 1에 기재된 장치에서는, 2클래스 식별기를 복수개 조합시켜서 구성한 다클래스 식별기를 이용하여 연령을 추정하고 있다. 한편으로, 복수의 다클래스 식별기를 이용하여 분류를 행한다는 수법이 있다. 예를 들면, 다른 수법에 의해 분류를 행하는 복수의 다클래스 식별기나, 다른 학습 데이터에 의해 학습시킨 복수의 다클래스 식별기를 이용하여 연령의 추정을 행하고, 출력된 복수의 결과를 통합하고, 추정 연령을 얻는다. 이와 같은 수법은 앙상블 학습이라고 불리고, 분류 정밀도를 향상시키기 위한 방법으로서 이용되고 있다.

그러나, 복수의 식별기를 병용하면, 각각 다른 정밀도를 갖는 복수의 식별기로부터 결과가 얻어지기 때문에, 전체의 신뢰도를 구하는 것이 곤란해진다.

본 발명은 상기한 과제를 고려하여 이루어진 것으로, 복수의 식별기를 이용하여 클래스 분류를 행하는 식별 장치에 있어서, 분류 결과에 대한 신뢰도를 산출하는 것을 목적으로 한다.

상기 과제를 해결하기 위해, 본 발명에 관한 식별 장치는,

입력 데이터를 취득하는 데이터 취득 수단과, 상기 입력 데이터에 대응하는 특징량을 취득하는 특징량 취득 수단과, 입력된 특징량에 의거하여 클래스 분류를 행하는 복수의 식별기와, 상기 취득한 특징량을, 상기 복수의 식별기에 각각 입력하고, 얻어진 복수의 분류 결과에 의거하여, 단일한 분류 결과인 제2의 분류 결과를 생성하는 식별 수단과, 상기 복수의 분류 결과의 편차에 의거하여, 상기 제2의 분류 결과에 대한 신뢰도를 생성하는 신뢰도 생성 수단을 갖는 것을 특징으로 한다.

입력 데이터란, 전형적으로는 화상이지만, 이것으로 한정되지 않는다.

특징량 취득 수단은, 입력 데이터로부터 특징량을 취득하는 수단이다. 특징량은, 입력 데이터 전체에 대응하는 것이라도 좋고, 입력 데이터의 일부만에 대응하는 것이라도 좋다. 예를 들면, 입력 데이터가 화상인 경우, 당해 화상에 포함되는 일부의 영역만으로부터 특징량을 취득하여도 좋다.

식별기는, 입력된 특징량에 의거하여 클래스 분류를 행하는 수단이다. 분류처(分類先)의 클래스는, 입력 데이터의 내용에 관련시켜진 것이면, 어떤 것이라도 좋다. 예를 들면, 입력 데이터가, 인물의 얼굴이 포함되는 화상(이하, 얼굴화상)인 경우, 대응하는 인물의 연령, 성별, 얼굴 방향, 특정한 표정(즐거움, 슬픔, 노여움 등)의 정도 등이라도 좋다.

식별 수단은, 각 식별기로부터 얻은 복수의 분류 결과에 의거하여, 단일한 분류 결과(제2의 분류 결과)를 생성하는 수단이다. 예를 들면, 식별 대상이 연령인 경우, 복수의 식별기로부터 추정 연령을 각각 취득하고, 당해 복수의 추정 연령에 의거하여 단일한 추정 연령을 생성한다. 단일한 분류 결과는, 예를 들면, 복수의 분류 결과에 대응하는 값의 평균치나 중앙치, 최빈치(最頻値) 등을 취함으로써 생성하여도 좋고, 다른 수법에 의해 생성하여도 좋다.

신뢰도 생성 수단은, 제2의 분류 결과에 대한 신뢰도를 생성하는 수단이다. 제2의 분류 결과에 대한 신뢰도는, 복수의 식별기가 출력한 분류 결과의 편차에 의거하여 결정할 수 있다.

예를 들면, 상기 신뢰도 생성 수단은, 상기 복수의 분류 결과의 편차의 크기와 상기 신뢰도의 크기가 부(負)의 상관을 갖도록, 상기 신뢰도를 결정하면 좋다.

복수의 식별기가 출력한 분류 결과가 광범위하게 분산되어 있는 경우, 전체로서 식별 정밀도가 낮은 것을 의미한다. 따라서, 분류 결과의 편차가 큰 경우는, 제2의 분류 결과에 대한 신뢰도를 보다 작게 하고, 분류 결과의 편차가 작은 경우는, 제2의 분류 결과에 대한 신뢰도를 보다 크게하게 하여도 좋다.

또한, 상기 식별기는 다클래스 식별기이고, 분류 결과의 클래스에 대응하는 값인 클래스값을 출력하는 것을 특징으로 하여도 좋다.

다클래스 식별기란, 복수의 클래스의 중에서, 입력된 특징량에 가장 적합한 클래스(가장 우도(尤度)가 높은 클래스)를 출력하는 식별기이다. 다클래스 식별기는, 단일한 식별기라도 좋고, 복수의 2클래스 식별기를 조합시킨 것이라도 좋다.

또한, 상기 신뢰도 생성 수단은, 복수의 상기 식별기가 출력한 클래스값의 분산 또는 표준편차에 의거하여, 상기 제2의 분류 결과에 대한 신뢰도를 생성하는 것을 특징으로 하여도 좋다.

분류 결과의 편차는, 클래스값의 분산 또는 표준편차에 의해 나타내는 것을 할 수 있다.

또한, 상기 신뢰도 생성 수단은, 복수의 상기 식별기가 출력한 클래스값의 중앙치 또는 최빈치를 이용하여 상기 분산 또는 표준편차를 구하는 것을 특징으로 하여도 좋다.

분산 또는 표준편차를 구할 때에 클래스값의 평균을 이용하면, 벗어난값(外れ値)(다른 식별기의 출력과 크게 동떨어진 분류 결과)을 출력한 식별기가 있는 경우에 있어서, 생성한 신뢰도가 부정확하게 될 우려가 있다. 그래서, 클래스값의 중앙치 또는 최빈치를 이용함으로써, 이와 같은 노이즈의 영향을 억제할 수 있다.

또한, 본 발명에 관한 식별 장치는, 상기 복수의 식별기의 정밀도를 각각 평가하는 평가 수단을 또 가지며, 상기 식별 수단 또는 신뢰도 생성 수단은, 상기 평가의 결과에 의거하여, 상기 복수의 분류 결과에 대해 무게 부여를 행하고 나서, 상기 제2의 분류 결과 또는 신뢰도를 생성하는 것을 특징으로 하여도 좋다.

식별기의 정밀도가 좋다는 것은, 당해 식별기가 출력한 클래스값이 진치(眞値)에 가까운 것을 의미한다. 따라서, 식별기의 정밀도에 의거하여, 당해 식별기가 출력한 결과에 대해 무게 부여를 행함으로써, 제2의 분류 결과나 신뢰도를 보다 정확하게 구할 수 있도록 된다.

또한, 상기 평가 수단은, 테스트 데이터를 이용하여 각 식별기의 정밀도를 각각 평가하는 것을 특징으로 하여도 좋고, 상기 평가 수단은, 상기 복수의 식별기를 학습한 때의 학습 샘플 수에 의거하여, 각 식별기의 정밀도를 평가하는 것을 특징으로 하여도 좋다.

식별기의 정밀도는, 테스트 데이터(즉, 정답을 알고 있는 데이터)를 이용하여 평가하여도 좋고, 학습 샘플 수에 의거하여 평가하여도 좋다. 예를 들면, 학습 샘플 수가 많은 식별기일수록, 정밀도가 높다는 평가를 행하도록 하여도 좋다.

또한, 상기 입력 데이터는 화상인 것을 특징으로 하여도 좋다. 본 발명에 관한 식별 장치는, 화상에 포함되는 사상(事象)을 식별하는 장치에 알맞게 적용할 수 있다.

또한, 상기 식별기가 분류를 행하는 대상은, 화상에 포함되는 인물의 속성 또는 상태의 적어도 어느 하나인 것을 특징으로 하여도 좋다.

인물의 속성이란, 예를 들면, 그 인물의 연령, 연대(年代), 성별, 인종 등이고, 상태란, 얼굴 방향, 시선(視線) 방향, 특정한 표정의 정도 등이다. 물론, 이 이외라도 좋다.

또한, 본 발명은, 상기 수단의 적어도 일부를 포함하는 식별 장치로서 특정할 수 있다. 또한, 본 발명은, 상기 식별 장치의 제어 방법으로서 특정할 수도 있다. 또한, 본 발명은, 상기 식별 장치를 제어하는 프로그램으로서 특정할 수도 있다. 상기 처리나 수단은, 기술적인 모순이 생기지 않는 한에 있어서, 자유롭게 조합시켜서 실시할 수 있다.

본 발명에 의하면, 복수의 식별기를 이용하여 클래스 분류를 행하는 식별 장치에 있어서, 분류 결과에 대한 신뢰도를 산출할 수 있다.

도 1은 제1의 실시 형태에 관한 연령 추정 장치의 시스템 구성도.
도 2는 식별부의 상세한 구성을 설명하는 도면.
도 3은 화상에 포함되는 얼굴 영역을 설명하는 도면.
도 4는 추정 연령의 분포례를 도시하는 도면.
도 5는 추정 연령의 분포례를 도시하는 제2의 도면.
도 6은 이용자에게 제공되는 화면의 예.
도 7은 제1의 실시 형태에 관한 연령 추정 장치가 행하는 처리의 플로 차트.

(제1의 실시 형태)

<시스템 구성>

이하, 본 발명의 바람직한 실시 형태에 관해 도면을 참조하면서 설명한다.

제1의 실시 형태에 관한 연령 추정 장치는, 화상에 포함되는 인물의 얼굴에 의거하여, 당해 인물의 연령을 추정하는 장치이다. 도 1은, 본 실시 형태에 관한 연령 추정 장치(10)의 시스템 구성도이다.

연령 추정 장치(10)는, 화상 취득부(11), 특징량 취득부(12), 식별부(13), 입출력부(14)로 구성된다.

화상 취득부(11)는, 처리 대상의 화상(얼굴화상)을 취득하는 수단이고, 전형적으로는, 고정 디스크 드라이브나 플래시 메모리라는 기억 장치이다. 또한, 화상 취득부(11)는, 장치의 외부로부터 화상을 취득하는 수단(예를 들면, 인터페이스 장치나 무선 통신 장치)라도 좋고, 렌즈와 촬상 소자를 이용하여 화상을 촬상하는 수단이라도 좋다.

특징량 취득부(12)는, 화상 취득부(11)가 취득한 화상에 대응하는 특징량을 취득하는 수단이다. 구체적으로는, 취득한 화상을 구성하는 화소 중에서, 사람의 얼굴에 대응하는 영역(얼굴 영역)을 추출하고, 당해 얼굴 영역에 포함되는 특징량의 집합(특징량 벡터)을 취득한다. 또한, 특징량 취득부(12)가 취득하는 특징량은, 얼굴 영역에 대응하는 특징량의 집합이라도 좋고, 얼굴 영역에 포함되는 일부의 화소만에 대응하는 특징량의 집합이라도 좋다.

식별부(13)는, 입력된 특징량에 의거하여, 분류 결과(피사체인 인물의 추정 연령)와, 당해 분류 결과에 대한 평가치(추정 연령이, 어느 정도 신뢰할 수 있는지를 나타내는 값)를 출력하는 수단이다. 보다 구체적으로는, 식별부(13)는, 복수의 다클래스 식별기를 포함하고 있고, 당해 복수의 식별기가 출력한 결과에 의거하여, 단일한 분류 결과와, 당해 분류 결과에 대한 평가치를 생성한다.

도 2는, 본 실시 형태에 관한 식별부(13)의 구성을 설명하는 도면이다. 식별부(13)에 포함되는 복수의 식별기(식별기(130A∼130P))는, 각각, 복수의 SVM(서포트 벡터 머신)으로 구성되는 다클래스 식별기이다. SVM은 2클래스 식별기이기 때문에, 복수의 것을 조합시킴으로써, 다클래스 식별기를 실현하고 있다. 이들의 식별기는, 교사(敎師) 데이터에 의해 사전에 학습이 행하여진 것이다.

또한, 본 실시 형태에서는, SVM을 조합시켜서 다클래스 식별기를 구성하였지만, 각 식별기는, SVM 이외의 2클래스 식별기를 조합시킴으로써 실현하여도 좋다. 또한, 다클래스 식별기의 구성 방법에 대해서도, 공지의 수법을 채용할 수 있다. 예를 들면, 연령의 범위를 2분(分)하는 복수의 2클래스 식별기를 이용하여, 2분 탐색에 의해 범위를 조여넣어 가는 방법을 이용하여도 좋고, 복수의 2클래스 식별기로부터 취득한 귀속 확률에 의거하여, 진치를 추정하는 방법 등을 이용하여도 좋다.

또한, 각 식별기는, 각각 단일한 다클래스 식별기에 의해 실현하여도 좋다. 구체적인 알고리즘으로서는, 복수의 결정목(決定木)을 이용한 랜덤포레스트, 복수의 약(弱)식별기로 이루어지는 부스팅(Boosting), 부스팅에서 오분류율(誤分類率)에 응하여 무게 부여를 행하는 아다부스트(AdaBoost), 이들의 조합 등을 채용할 수 있다. 복수의 클래스 중에서, 특징량에 대응하는 클래스를 결정할 수 있으면, 각 식별기가 이용하는 알고리즘은, 어떤 것이라도 좋다.

또한, 각 식별기는, 각각 다른 수법(알고리즘)에 의해 식별을 행하는 것이든지, 각각 다른 학습 데이터에 의해 학습된 것인 것이 바람직하다.

본 실시 형태에서는, 식별기(130A∼130P)의 16개의 식별기를 이용하여, 복수의 분류 결과를 취득하고, 제공 연령 산출부(131)(식별 수단)가, 당해 복수의 분류 결과에 의거하여, 단일한 분류 결과(제2의 분류 결과)를 생성한다. 또한, 평가치 산출부(132)(신뢰도 생성 수단)가, 당해 복수의 분류 결과의 편차에 의거하여, 당해 제2의 분류 결과에 대한 신뢰도를 나타내는 평가치를 산출한다. 본 실시 형태에서는, 복수의 분류 결과의 편차의 크기와 제2의 분류 결과의 신뢰도의 크기가 부의 상관을 갖도록, 신뢰도(평가치)를 산출한다. 예를 들면, 복수의 분류 결과의 편차를 나타내는 값(편차, 표준편차 등)이 그 취할 수 있는 범위 중에서 최소치가 되는 경우에 신뢰도가 가장 커지고, 편차를 나타내는 값이 최대치가 되는 경우에 신뢰도가 가장 작아지고, 편차를 나타내는 값이 최소치와 최대치의 사이의 값을 취하는 경우에는 편차를 나타내는 값의 크기에 응하여 신뢰도가 연속적 또는 단계적으로 작아지도록, 평가치를 산출하면 좋다. 분류 결과의 생성 및 평가치 산출의 구체적인 방법에 관해서는 후술한다.

입출력부(14)는, 유저가 행하는 입력 조작을 접수하고, 유저에 대해 정보를 제시하는 수단이다. 구체적으로는, 터치 패널과 그 제어 수단, 액정 디스플레이와 그 제어 수단으로 구성된다. 터치 패널 및 액정 디스플레이는, 본 실시 형태에서는 하나의 터치 패널 디스플레이로 이루어진다.

또한, 이상에 설명한 각 수단은, 전용으로 설계된 하드웨어에 의해 실현되어도 좋고, 소프트웨어 모듈에 의해 실현되어도 좋다. 또한, FPGA(Field Programmable Gate Array)나 ASIC(Application Specific Integrated Circuit) 등에 의해 실현되어도 좋고, 이들의 조합에 의해 실현되어도 좋다.

전술한 수단이 소프트웨어로서 구성되는 경우, 보조 기억 장치에 기억된 프로그램이 주기억 장치에 로드되고, CPU에 의해 실행됨에 의해 각 수단이 기능한다.(CPU, 보조 기억 장치, 주기억 장치는 모두 도시 생략)

<연령 추정 처리의 개요>

다음에, 연령 추정 장치(10)가 행하는 연령 추정 처리의 개요에 관해 설명한다. 연령 추정 장치(10)가 행하는 처리는, 얼굴화상에 의거하여 특징량을 취득하는 페이즈와, 당해 특징량에 의거하여, 연령을 추정하는 페이즈로 나눌 수 있다.

(1) 특징량 취득 페이즈

우선, 얼굴화상에 의거하여 특징량을 취득하는 페이즈(특징량 취득 페이즈)에 관해 설명한다. 얼굴화상에 대응하는 특징량은, 특징량 취득부(12)가, 이하의 처리를 실행함으로써 취득된다.

우선, 특징량 취득부(12)는, 화상 취득부(11)로부터 얼굴화상을 취득하고, 당해 얼굴화상으로부터 사람의 얼굴이 포함되는 영역(얼굴 영역)을 검출한다. 도 3의 예에서는, 부호 30이 얼굴화상이고, 부호 31이 검출한 얼굴 영역이다. 얼굴 영역의 검출은, 예를 들면, 텍스처 정보를 이용한 패턴 매칭이나, 얼굴 전체의 윤곽에 대응한 템플릿을 이용한 템플릿 매칭에 의해 행할 수 있다. 이 밖에, 얼굴을 구성한 기관에 의거한 템플릿 매칭을 행하여도 좋고, 얼굴의 일부를 나타내는 영역 또는 점을 추출하고, 추출 결과에 의거하여 얼굴 영역을 판정하여도 좋다. 이 밖에도, 얼굴화상 중의 살색 영역을 검출함으로써 얼굴 영역을 판정하여도 좋다. 얼굴 영역을 검출하는 처리는, 기지의 어떤 방법에 의해 행하여져도 좋다.

다음에, 검출한 얼굴 영역에, 복수의 특징점을 배치한다. 특징점은, 예를 들면, 얼굴의 기관(예를 들면, 눈, 코, 콧구멍, 입, 눈썹, 턱, 이마 등)의 위치에 의거하여 배치된다. 검출 대상의 기관은, 미리 설정된 것이라도 좋고, 동적으로 결정하여도 좋다.

그리고, 검출한 기관의 위치에 의거하여, 특징점을 배치한다. 또한, 특징점은, 기관에 가까울수록 조밀하게, 멀어질수록 성기게 배치한 것이 바람직하다. 또한, 대상 인물의 속성을 어느 정도 알고 있는 경우, 당해 속성에 응하여 특징점의 배치 방법을 변경하여도 좋다.

다음에, 배치한 특징점에 의거하여, 특징량을 산출한다. 특징량은, 예를 들면, 가버 필터 등의 필터 처리에 의해 얻어진 값을 기초로 산출할 수 있다.

또한, 본 예에서는, 얼굴 영역을 검출한 후에, 특징점을 배치하고, 당해 특징점을 이용하여 특징량을 산출하였지만, 다른 방법에 의해 특징량을 취득하여도 좋다. 예를 들면, 취득한 얼굴 영역에서, 직접 특징량을 산출하도록 하여도 좋다.

본 페이즈에 의해, 얼굴 영역에 대응하는 복수 차원의 특징량(이하, 특징량 벡터)이 얻어진다.

(2) 연령 추정 페이즈

특징량 취득부(12)가 취득한 특징량 벡터는, 식별부(13)가 갖는 복수의 식별기(130A∼130P)에 각각 입력되고, 각 식별기에서, 당해 특징량 벡터에 의거한 클래스 분류가 행하여진다. 분류의 결과(각 식별기가 출력한 클래스. 본 실시 형태에서는, 피사체인 인물의 추정 연령)는, 제공 연령 산출부(131) 및 평가치 산출부(132)에 각각 입력된다. 즉, 제공 연령 산출부(131) 및 평가치 산출부(132)에는, 각각 16개의 추정 연령이 입력된다.

도 4는, 16개의 식별기가 각각 출력한 추정 연령과, 당해 추정 연령의 분포를 히스토그램으로 도시한 예이다.

다음에, 제공 연령 산출부(131)가, 취득한 복수의 추정 연령에 의거하여, 이용자에게 제공하는 단일한 추정 연령(이하, 제공 연령)을 산출하고, 출력한다. 구체적으로는, 취득한 복수의 추정 연령의 평균치를 제공 연령으로서 출력한다. 예를 들면, 도 4의 예인 경우, 평균치는 31.1이 된다. 또한, 제공 연령은 반드시 평균치가 아니라도 좋다. 예를 들면, 중앙치(미디언), 최빈치(모드) 등이라도 좋다. 도 4의 예인 경우 중앙치는 30.5, 최빈치는 30.0이 된다. 제공 연령은, 각 식별기로부터 취득한 복수의 추정 연령에 의거하여 산출된 것이면, 그 산출 방법은 특히 한정되지 않는다.

다음에, 평가치 산출부(132)가, 취득한 복수의 추정 연령에 의거하여 평가치를 산출하고, 출력한다. 평가치는, 제공 연령에 대한 신뢰도에 관련시켜진 값이고, 예를 들면, 이하와 같이 정의할 수 있다. 또한, σ는 표준편차이고, n은 2 이상의 정수이다.

(패턴 1) 분산치(σ²) 또는 표준편차치(σ)를 평가치로 한다.

(패턴 2) 패턴 1을 정수배한 것, 즉, nσ² 또는 nσ를 평가치로 한다.

(패턴 3) 분산치의 역수(1/σ²) 또는 표준편차치의 역수(1/σ)를 평가치로 한다.

(패턴 4) 패턴 3을 정수배한 것, 즉, n/σ² 또는 n/σ를 평가치로 한다.

패턴 1 및 2의 경우, 평가치가 클수록 신뢰도가 낮은(제공 연령의 추정 정밀도가 낮은) 것을 의미하고, 패턴 3 및4의 경우, 평가치가 클수록 신뢰도가 높은(제공 연령의 추정 정밀도가 높은) 것을 의미한다.

제1의 실시 형태에서는, 이 중, 분산치(σ²)를 평가치로서 이용한다. 분산치를 평가치로 한 경우, 도 4의 예에서는, 평가치는 6.8이 되지만, 도 5와 같이 추정 연령에 편차가 있는 경우, 평가치는 12.9가 되고, 연령의 추정 정밀도가 낮음을 알 수 있다.

산출한 평가치는, 이용자에게 그대로 제공하여도 좋지만, 소정의 범위를 취하도록 정규화(예를 들면, 0∼100의 범위를 취하는 스코어로 치환)하여도 좋다. 도 6(A)는, 평가치를 스코어로 치환한 경우의 화면례이다. 평가치를 스코어에 변환하기 위하는 수법은, 특정한 것으로 한정되지 않는다. 또한, 그를 위한 데이터를, 예를 들면 평가치 산출부(132)에 기억시켜 두어도 좋다.

<처리 플로 차트>

도 7은, 본 실시 형태에 관한 연령 추정 장치(10)가 행하는 연령 추정 처리의 플로 차트이다. 당해 처리는, 이용자의 조작(예를 들면, 기억된 화상을 판독하는 조작)에 의해 시작된다.

우선, 스텝 S11에서, 화상 취득부(11)가 얼굴화상을 취득한다. 본 실시 형태에서는, 미리 기억되어 있는 화상을 기억 장치로부터 취득하지만, 통신 수단이나 촬상 수단을 통하여 화상을 취득하여도 좋다.

다음에, 스텝 S12에서, 특징량 취득부(12)가, 전술한 처리에 의해, 당해 얼굴화상으로부터 특징량 벡터를 취득한다.

스텝 S13에서는, 식별부(13)가, 특징량 취득부(12)에 의해 취득된 특징량 벡터를, 각 식별기에 입력한다.

다음에, 스텝 S14에서, 제공 연령 산출부(131)가, 각 식별기로부터 출력된 추정 연령을 취득하고, 평균치를 산출하고, 제공 연령으로 한다.

다음에, 스텝 S15에서, 평가치 산출부(132)가, 각 식별기로부터 출력된 추정 연령을 취득하여, 분산치를 산출하고, 평가치로 한다.

그리고, 스텝 S16에서, 입출력부(14)가, 제공 연령과 평가치(또는, 평가치에 의거하여 생성하는 스코어)를, 화면을 통하여 이용자에게 제공한다.

이상 설명한 바와 같이, 제1의 실시 형태에 관한 연령 추정 장치는, 복수의 다클래스 식별기를 이용하여 클래스의 분류를 행하고, 복수의 분류 결과에 의거하여, 단일한 추정 연령과, 당해 추정 연령에 대한 평가치를 생성하고, 제시한다. 이에 의해 이용자는, 표시된 추정 연령이 어느 정도 신뢰할 수 있는 값인지를 파악할 수 있다.

(제2의 실시 형태)

제2의 실시 형태는, 식별부(13)가 갖는 각 식별기의 출력에 무게를 부여한 다음, 제공 연령 및 평가치를 산출하는 실시 형태이다.

제2의 실시 형태에 관한 연령 추정 장치의 구성은, 제1의 실시 형태와 마찬가지이기 때문에, 상세한 설명은 생략하고, 처리의 상위점만을 설명한다.

제2의 실시 형태에서는, 제공 연령 산출부(131)가 제공 연령을 산출할 때, 및, 평가치 산출부(132)가 평가치를 산출할 때에, 식별기마다 무게를 승산한 다음 처리를 행한다.

각 식별기에 주는 무게는, 당해 식별기의 정밀도에 대응시키는 것이 바람직하다. 구체적으로는, 식별기의 정밀도가 좋을수록 무게를 크게 하고, 정밀도가 나쁠수록 무게를 작게 한다. 예를 들면, 학습에 이용한 데이터의 수가 많을수록, 정밀도가 좋은 식별기라고 간주하여, 무게를 크게 하여도 좋다. 또한, 미리 정답을 알고 있는 평가용의 데이터를 이용하여 테스트를 행하고, 성적이 좋은 식별기일수록 무게를 크게 하여도 좋다.

이 밖에도, 랜덤포레스트를 이용하는 경우, 나무의 깊이에 의해, 식별기의 정밀도의 좋고 나쁨을 추정하여도 좋다. 예를 들면, 나무가 얕은 경우와 비교하여, 나무가 깊은 경우에, 보다 무게를 크게 하여도 좋다.

제2의 실시 형태에서는, 이와 같이, 식별기의 정밀도에 응한 무게를 이용함으로써, 제공 연령 및 평가치의 산출 정밀도를 향상시킬 수 있다. 또한, 본 실시 형태에서는, 제공 연령의 산출과, 평가치의 산출의 각각에서 동일한 무게를 이용하지만, 무게는 각각 달라도 좋다. 또한, 어느 한쪽의 처리에서만 무게를 이용하여도 좋다.

(변형례)

상기한 실시 형태는 어디까지나 한 예이고, 본 발명은 그 요지를 일탈하지 않는 범위 내에서 적절히 변경하여 실시할 수 있다.

예를 들면, 각 실시 형태에서는, 연령을 추정하는 장치가 예를 들었지만, 추정의 대상은, 성별, 얼굴 방향(카메라에 대한 얼굴의 방위각이나 앙각(仰角)), 시선의 방향, 특정한 표정의 정도(예를 들면, 즐거움, 노여움, 슬픔, 놀람, 공포, 혐오, 무표정) 등이라도 좋고, 이 이외라도 좋다.

또한, 실시 형태의 설명에서는, 분류 결과를 수치로 출력하는 식별기가 예를 들었지만, 식별기는, 직접 수치를 출력하는 것이 아니라도 좋다. 단, 편차이나 표준편차를 산출할 필요가 있기 때문에, 이와 같은 경우, 분류 결과를 수치로 치환하는 처리를 추가할 필요가 있다.

또한, 각 실시 형태에서는, 식별부(13)가 갖는 복수의 식별기에, 특징량 취득부(12)가 취득한 특징량 벡터가 각각 입력되는 것으로 하였지만, 각 식별기는, 당해 특징량 벡터에 포함되는 모든 차원을 이용하여 식별을 행할 필요는 없다. 예를 들면, 각 식별기에서 특징량 벡터를 필터링하고, 소정의 차원의 특징량만을 이용하여 식별을 행하도록 하여도 좋다.

또한, 특징량 취득부(12)가, 다른 방법을 이용하여 복수의 특징량 벡터를 취득하고, 식별기마다 다른 특징량 벡터를 입력하도록 하여도 좋다.

또한, 각 실시 형태에서는, 평가치 또는 스코어를 이용하여 신뢰도를 제시하는 예를 들었지만, 평가치를, 연령에 대한 오차(±n세)라는 형식으로 변환하고, 제시하여도 좋다. 예를 들면, 평가치와 오차와의 관계를 테이블이나 수식에 의해 유지하고, 당해 정보를 이용하여, 구체적인 연령의 범위를 구하도록 하여도 좋다. 도 6(B)는, 평가치를 연령에 대한 오차로 치환한 경우의 화면례이다.

한, 평가치를 산출하기 위한 분산치 또는 표준편차치는, 일반적으로, 각 식별기가 출력한 추정 연령의 평균치를 이용하여 구하지만, 평균치 대신에 중앙치 또는 최빈치를 이용하여도 좋다. 즉, 중앙치 또는 최빈치와의 차의 제곱합(二乘和)을 이용하여 구하여도 좋다.

또한, 각 실시 형태에서는, 화면을 통하여 제공 연령 및 평가치를 이용자에게 제시하는 장치를 들었지만, 입출력부 대신에 통신 수단을 마련하고, 제공 연령 및 평가치를 다른 장치에 송신하는 구성으로 하여도 좋다.

또한, 각 실시 형태에서는, 단일한 화상을 입력 데이터로 하여 연령의 추정을 행하였지만, 입력 데이터가 되는 화상은, 동화의 프레임에 대응하는 것이라도 좋다. 또한, 음성이나 그 밖의 바이너리 데이터 등이라도 좋다. 특징량을 산출할 수 있으면, 대상은 어떤 것이라도 좋다.

또한, 각 실시 형태에서는, 신뢰도에 관련되는 값인 평가치를 정의하고, 편차와 평가치와의 관계로서, 패턴 1∼4를 예시하였지만, 각 식별기가 분류를 행한 결과의 편차에 의거하여 신뢰도를 결정할 수 있으면, 다른 방법을 채용하여도 좋다.

10 : 연령 추정 장치
11 : 화상 취득부
12 : 특징량 취득부
13 : 식별부
130A∼P : 식별기
131 : 제공 연령 산출부
132 : 평가치 산출부
14 : 입출력부

Claims

입력 데이터를 취득하는 데이터 취득 수단과,
상기 입력 데이터에 대응하는 특징량을 취득하는 특징량 취득 수단과,
입력된 특징량에 의거하여 클래스 분류를 행하고, 분류 결과의 클래스에 대응하는 값인 단일한 클래스값을 각각 출력하는 복수의 식별기와,
상기 취득한 특징량을, 상기 복수의 식별기에 각각 입력하고, 얻어진 복수의 클래스값에 의거하여, 단일한 분류 결과인 제2의 클래스값을 생성하는 식별 수단과,
상기 복수의 클래스값의 편차에 의거하여, 상기 제2의 클래스값에 대한 신뢰도를 생성하는 신뢰도 생성 수단을 가지며,
상기 신뢰도 생성 수단은, 복수의 클래스값의 편차의 크기와, 상기 제2의 클래스값에 대한 신뢰도의 크기가 부의 상관을 갖도록, 상기 신뢰도를 결정하는 것을 특징으로 하는 식별 장치.
제1항에 있어서,
상기 식별기는 다클래스 식별기인 것을 특징으로 하는 식별 장치.
제2항에 있어서,
상기 신뢰도 생성 수단은, 복수의 상기 식별기가 출력한 클래스값의 분산 또는 표준편차에 의거하여, 상기 제2의 클래스값에 대한 신뢰도를 생성하는 것을 특징으로 하는 식별 장치.
제3항에 있어서,
상기 신뢰도 생성 수단은, 복수의 상기 식별기가 출력한 클래스값의 중앙치 또는 최빈치를 이용하여 상기 분산 또는 표준편차를 구하는 것을 특징으로 하는 식별 장치.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 복수의 식별기의 정밀도를 각각 평가하는 평가 수단을 또 가지며,
상기 식별 수단 또는 신뢰도 생성 수단은, 상기 평가의 결과에 의거하여, 상기 복수의 클래스값에 대해 무게 부여를 행하고 나서, 상기 제2의 클래스값 또는 신뢰도를 생성하는 것을 특징으로 하는 식별 장치.
제5항에 있어서,
상기 평가 수단은, 테스트 데이터를 이용하여 각 식별기의 정밀도를 각각 평가하는 것을 특징으로 하는 식별 장치.
제5항에 있어서,
상기 평가 수단은, 상기 복수의 식별기를 학습한 때의 학습 샘플 수에 의거하여, 각 식별기의 정밀도를 평가하는 것을 특징으로 하는 식별 장치.
제1항에 있어서,
상기 입력 데이터는 화상인 것을 특징으로 하는 식별 장치.
제8항에 있어서,
상기 식별기가 분류를 행하는 대상은, 화상에 포함되는 인물의 속성 또는 상태의 적어도 어느 하나인 것을 특징으로 하는 식별 장치.
입력된 특징량에 의거하여 클래스 분류를 행하고, 분류 결과의 클래스에 대응하는 값인 단일한 클래스값을 각각 출력하는 복수의 식별기를 갖는 식별 장치의 제어 방법으로서,
데이터 취득 수단에 의해, 입력 데이터를 취득하는 데이터 취득 스텝과,
특징량 취득 수단에 의해, 상기 입력 데이터에 대응하는 특징량을 취득하는 특징량 취득 스텝과,
식별 수단에 의해, 상기 취득한 특징량을, 상기 복수의 식별기에 각각 입력하고, 얻어진 복수의 클래스값에 의거하여, 단일한 분류 결과인 제2의 클래스값을 생성하는 식별 스텝과,
신뢰도 생성 수단에 의해, 상기 복수의 클래스값의 편차에 의거하여, 상기 제2의 클래스값에 대한 신뢰도를 생성하는 신뢰도 생성 스텝을 포함하며,
상기 신뢰도 생성 스텝에서, 복수의 클래스값의 편차의 크기와, 상기 제2의 클래스값에 대한 신뢰도의 크기가 부의 상관을 갖도록, 상기 신뢰도를 결정하는 것을 특징으로 하는 식별 장치의 제어 방법.
입력된 특징량에 의거하여 클래스 분류를 행하고, 분류 결과의 클래스에 대응하는 값인 단일한 클래스값을 각각 출력하는 복수의 식별기를 갖는 식별 장치에,
데이터 취득 수단에 의해, 입력 데이터를 취득하는 데이터 취득 스텝과,
특징량 취득 수단에 의해, 상기 입력 데이터에 대응하는 특징량을 취득하는 특징량 취득 스텝과,
식별 수단에 의해, 상기 취득한 특징량을, 상기 복수의 식별기에 각각 입력하고, 얻어진 복수의 클래스값에 의거하여, 단일한 분류 결과인 제2의 클래스값을 생성하는 식별 스텝과,
신뢰도 생성 수단에 의해, 상기 복수의 클래스값의 편차에 의거하여, 상기 제2의 클래스값에 대한 신뢰도를 생성하는 신뢰도 생성 스텝을 실행시키고,
상기 신뢰도 생성 스텝에서, 복수의 클래스값의 편차의 크기와, 상기 제2의 클래스값에 대한 신뢰도의 크기가 부의 상관을 갖도록, 상기 신뢰도를 결정하는 것을 특징으로 하는 프로그램이 기록된 기록 매체.